awesome-vlm-architectures

一张图看懂155+视觉语言模型架构，快速选型不迷路

这是一个精心整理的视觉语言模型（VLM/MLLM）架构目录，收录了155+个相关模型，涵盖论文、架构图、训练配方、数据集以及发布时间线。项目以可视化的方式呈现多模态AI智能体的发展脉络，帮助研究者、工程师和学生快速了解VLM领域的关键模型、技术演进和资源。它解决了VLM领域信息分散、难以系统比较的问题，通过结构化分类和图表，让用户能够高效检索和对比不同架构的特点。核心能力包括：提供清晰的模型分类、直观的架构图、详细的训练细节和数据集信息，以及按时间顺序排列的发布历史，便于追踪技术趋势。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1321

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队gokayfem

所属国家

官网地址

GitHubhttps://github.com/gokayfem/awesome-vlm-architectures

定价模式free

价格说明开源项目，完全免费，无付费版本。

访问状态

是否开源是

开源协议CC0-1.0

主要语言Markdown

技术栈/模型ai-agents,architecture-diagrams,arxiv,awesome,awesome-list,computer-vision,deep-learning,foundation-models,large-multimodal-models,mllm,model-architecture,multimodal,multimodal-ai,multimodal-llm,natural-language-processing,release-timeline,research-papers,transformers,vision-language-models,vlm

GitHub 星标★ 1321

30天Star增速

HF 下载量

上线时间2024-02-15 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 5 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

能访问 GitHub 的网络环境
已安装 Git（用于克隆仓库）
任意可阅读 Markdown 的工具或浏览器

安装与启动步骤

1克隆仓库到本地

把整个目录仓库下载到本地，之后可离线浏览全部模型条目，仓库体积小、无需编译。
```
git clone https://github.com/gokayfem/awesome-vlm-architectures.git
```
2进入仓库目录

切换到克隆下来的仓库文件夹，后续所有阅读操作都在该目录内进行。
```
cd awesome-vlm-architectures
```
3阅读目录与模型列表

打开 README.md，从 Contents 进入 Models 章节，展开任意模型面板可看架构摘要与原始论文链接。
4查时间线与架构图

查看 Release Timeline 章节追踪模型发布时间（README 称已核验至 2026 年 7 月），Architectures 章节汇总架构图。

如何确认成功

本地目录中出现 README.md，且其中能展开 Models、Release Timeline、Architectures 等章节即为可用。

常见问题

Q：需要安装 Python 或任何依赖吗？

A：不需要。该仓库是纯 Markdown 文档目录，不包含可运行代码，克隆后直接用编辑器或浏览器阅读即可。

Q：如何引用这个目录？

A：README 提供 Citation 章节给出引用方式；同时对具体模型的结论，还应回到条目中链接的原始论文一并引用。

Q：怎么追踪多模态模型的技术演进？

A：查看 Release Timeline 章节，按时间顺序浏览模型发布记录，README 称时间线已核验覆盖至 2026 年 7 月。

Q：想在图形界面里直接试用视觉语言模型怎么办？

A：README 指向作者另一个仓库 ComfyUI_VLM_nodes（https://github.com/gokayfem/ComfyUI_VLM_nodes），可在 ComfyUI 中体验 VLM。

注意事项

本仓库是 citation-first 的资料目录，只做整理与链接，不提供模型权重或推理代码。
README 标注最后审阅时间为 2026 年 8 月 1 日，条目可能随后续更新而变化。
条目中提到的 155+ 模型数量与分类以 README 实际内容为准。

核心亮点

收录155+个VLM模型，覆盖面广，从经典到最新一网打尽
每个模型配有架构图，直观对比不同设计思路
提供训练配方和数据集信息，便于复现和实验

不足之处

项目为Markdown文档，交互性有限，不如网页浏览方便
文档/社区待观察，更新频率和社区活跃度需持续关注

适用场景

研究者调研VLM技术路线，快速了解领域全貌
工程师选型多模态模型，对比架构和训练资源
学生学习VLM入门，通过架构图理解核心概念

替代项目

Awesome-VLM、Awesome-Multimodal-Large-Language-Models、VLM-Survey

项目介绍

awesome-vlm-architectures 是开源模型领域的开源项目，由 gokayfem 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,321）位列前 30%，在开源模型分类中处于中上游。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。完全免费，无付费版本。

它主要面向的使用场景是：研究者调研VLM技术路线，快速了解领域全貌。同类可对比的替代方案包括 Awesome-VLM、Awesome-Multimodal-Large-Language-Models、VLM-Survey。

上一篇：lag-llama

下一篇：tabicl